Data.table多行层级求和：循环写法与无循环优化方案问询

嘿，针对你这个多行层级求和的需求，我有两个实用方案：一个是完全无循环的data.table高效实现（强烈推荐用于几百行数据，性能拉满），另一个是优化后的嵌套循环写法，咱们先看最优的无循环方案：

无循环优化方案 #

核心思路是先生成所有需要相加的行索引对（i < j），再利用data.table的分组计算直接完成逐行求和，代码如下：

library(data.table)
# 初始化你的data.table
dt <- data.table(a = 1:4, b = 11:14)
# 给每行添加唯一行号，方便后续索引
dt[, row_id := .I]

# 生成所有i < j的行索引组合（笛卡尔积后筛选）
row_pairs <- CJ(i = dt$row_id, j = dt$row_id)[i < j]

# 基于组合对完成行求和，同时可选记录来源行号
result <- row_pairs[, {
  # 取出i行和j行的数据并相加
  sum_row <- dt[i, .(a, b)] + dt[j, .(a, b)]
  # 可选：添加来源行号的标记，方便溯源
  c(sum_row, .(from_row = i, to_row = j))
}, by = .(i, j)]

# 如果你不需要来源行号，也可以简化成：
# result <- row_pairs[, dt[i, .(a, b)] + dt[j, .(a, b)], by = .(i, j)]

# 最后可以删掉i和j列（如果不需要的话）
result[, c("i", "j") := NULL]

这个方案利用data.table的CJ()生成组合对，再通过分组计算完成求和，完全避免了循环，对于几百行数据（比如500行的话，会生成12万多组组合），性能比循环好很多——因为data.table的底层是C实现的，效率远超R的原生循环。

优化后的嵌套循环写法 #

如果你还是想保留循环的思路，也可以用嵌套循环一次性完成所有阶段的求和，不用分阶段写多次循环，代码如下：

library(data.table)
dt <- data.table(a = 1:4, b = 11:14)
n_rows <- nrow(dt)
datalist <- list()
counter <- 1

# 外层循环遍历所有基准行i，内层循环遍历所有比i靠后的行j
for (i in 1:(n_rows - 1)) {
  for (j in (i + 1):n_rows) {
    datalist[[counter]] <- dt[j, ] + dt[i, ]
    counter <- counter + 1
  }
}

# 把列表转成data.table
result <- rbindlist(datalist)

这个嵌套循环把你需要的三个阶段（i=1时j=2/3/4；i=2时j=3/4；i=3时j=4）一次性完成，比你分阶段写多个循环更简洁，也更容易维护。

补充说明 #

• 如果你的data.table有更多列，这两个方案都可以自动适配，不需要修改列名相关的代码；
• 无循环方案的性能优势在数据量越大时越明显，几百行的场景下推荐优先使用；
• 如果需要对求和后的结果做额外标记（比如哪两行相加的），无循环方案里的from_row和to_row列可以帮你快速溯源。

内容的提问来源于stack exchange，提问作者Adamek